Automação empresarial: o que mudou com a chegada da Inteligência Artificial

A automação empresarial mudou de fronteira, não de natureza. Até 2022, automatizar um processo exigia que ele fosse descritível por regras: se este campo tem este valor, faz aquilo. Tudo o que dependesse de interpretar um email escrito em linguagem informal, um PDF mal digitalizado ou um pedido que cada cliente formula à sua maneira ficava de fora.

A Inteligência Artificial não tornou a automação mais inteligente. Removeu um pré-requisito concreto: a informação que entra no processo já não tem de estar estruturada.

Parece uma distinção técnica. Na prática, é ela que separa os processos que passaram a ser automatizáveis dos que continuam exactamente onde estavam há três anos.

O muro onde a automação clássica batia

A automação de processos tradicional é determinística. Recebe um input previsível, aplica uma regra, escreve o resultado noutro sistema. Funciona muito bem, desde que alguém tenha traduzido o processo em condições.

O problema estava sempre no mesmo ponto: a entrada.

Veja o caso mais comum numa PME portuguesa, o lançamento de facturas de fornecedores. Um fluxo de 2019 conseguia detectar o email, guardar o anexo, criar a pasta certa e avisar a contabilidade. Não conseguia ler a factura.

A solução da época era OCR com template: definia-se, fornecedor a fornecedor, onde estava o número, a data e o total no PDF. Custava uma configuração por fornecedor e partia-se sempre que esse fornecedor mudava o layout. Com 40 fornecedores, a manutenção anulava o ganho.

Era esse o muro. Não faltava capacidade de executar a acção. Faltava capacidade de interpretar o documento.

A primeira mudança: ler deixou de ser o problema

Os modelos de linguagem resolvem exactamente essa camada. Extraem campos de um documento que nunca viram, com um layout que ninguém configurou, e devolvem-nos estruturados.

Os dados de adopção mostram que é para isto que as empresas estão a usar IA, e não sobretudo para gerar conteúdo. Segundo o INE, 11,5% das empresas portuguesas com 10 ou mais pessoas ao serviço utilizaram tecnologias de IA em 2025, mais 2,9 pontos percentuais do que em 2024. Entre essas, a aplicação mais frequente é a análise de linguagem escrita, com 59,4%, à frente da geração de imagem, vídeo ou áudio (50,9%) e da geração de texto e código (45,6%).

Ler à frente de escrever. A IA entrou nas empresas pela porta da interpretação, que era precisamente a peça que faltava à automação.

A segunda mudança: o preço por documento

Capacidade técnica sem preço viável não muda decisões. Foi o custo que caiu primeiro.

O AI Index 2025 da Universidade de Stanford documenta a queda: o custo de inferência de um sistema com desempenho equivalente ao do GPT-3.5 passou de 20 dólares por milhão de tokens, em Novembro de 2022, para 0,07 dólares em Outubro de 2024. Uma redução superior a 280 vezes em menos de dois anos.

Traduzido para o dia a dia: uma factura de duas páginas corresponde a algo como 1500 a 2500 tokens de texto. A esta ordem de preços, extrair os dados de um documento custa fracções de cêntimo.

A conclusão relevante para quem decide não é o valor exacto. É que o custo do modelo deixou de ser a variável que trava o projecto. O que pesa hoje é o tempo de quem desenha o fluxo e o tempo de quem valida o resultado, e esse cálculo é o mesmo que já fazia sentido antes da IA. Se ainda não o fez, o custo real de manter o processo manual é o número por onde começar.

Um exemplo com as contas à vista

Triagem de uma caixa de correio partilhada, do tipo geral@ ou encomendas@.

Ponto de partida: 60 emails por dia útil, cerca de 2 minutos cada para ler, classificar e encaminhar. São 2 horas por dia, aproximadamente 44 horas por mês.

Com um passo de IA a classificar cada email e regras determinísticas a encaminhar, as contas ficam assim:

• Assumindo 70% classificados com confiança suficiente para seguir sem revisão, um valor conservador que só se confirma medindo, sobram 18 emails para tratamento manual.
• 18 emails a 2 minutos são 36 minutos por dia.
• Acrescente 15 minutos diários para verificar por amostragem o que seguiu automático. Ignorar esta parcela é o erro mais comum nestas contas.
• Total: cerca de 51 minutos por dia, contra 120. Poupança na ordem de 1,1 horas por dia, ou 25 horas por mês.

Estes números são uma estimativa construída a partir dos pressupostos acima, não um resultado medido em campo. O método vale mais do que o valor: assume-se uma taxa de automatização explícita, subtrai-se o custo da supervisão e mede-se depois de o fluxo estar a correr.

O que a IA não mudou na automação empresarial

Três coisas continuam iguais, e é aqui que a maioria dos projectos se perde.

A acção continua a ter de ser determinística. O modelo interpreta e propõe; é a regra que escreve no ERP. Um modelo com permissão de escrita directa no sistema de registo, sem validação pelo meio, é uma decisão de arquitectura que se paga mais tarde.

Há tarefas onde a supervisão humana continua a ser obrigatória. Existem passos de back-office em que o controlo humano continua essencial por razões que a precisão do modelo não resolve: responsabilidade legal, excepções contratuais, decisões com impacto directo no cliente.

Os limites de dados são um problema de governação, não de ferramenta. Quem processa facturas, contratos ou dados pessoais tem de decidir onde corre o modelo e o que sai da infraestrutura. É a parte de segurança, limites e supervisão dos agentes de IA que costuma ficar para o fim e deveria vir no início.

A Gartner prevê que mais de 40% dos projectos de IA agêntica sejam cancelados até ao final de 2027, apontando custos crescentes, valor de negócio pouco claro e controlos de risco inadequados. A mesma análise alerta para o chamado agent washing: produtos de RPA e chatbots rebaptizados como agentes, sem capacidade agêntica real. Vale como aviso na hora de comprar.

Onde estão realmente as PME portuguesas

O número agregado esconde o essencial. Em 2025, a adopção de IA nas empresas portuguesas cresce com a dimensão: 9,4% nas empresas com 10 a 49 pessoas ao serviço, 18,2% nas de 50 a 249 e 49,1% nas de 250 ou mais. Na União Europeia, a média subiu para 20,0% das empresas com 10 ou mais trabalhadores, contra 13,5% no ano anterior, segundo o Eurostat.

Uma empresa portuguesa com 30 pessoas está, portanto, numa minoria de cerca de uma em dez.

E a diferença entre os 9,4% e os 49,1% não é acesso à tecnologia. Os modelos custam o mesmo a todos e não exigem investimento inicial. A diferença é que a empresa grande já tinha o processo mapeado e os dados dentro de um sistema. É esse trabalho, e não a IA, que continua a ser o pré-requisito.

Como isto se monta hoje

A arquitectura que funciona é híbrida: um fluxo determinístico com um passo de IA apenas onde há interpretação a fazer.

É o que faz o nó de agente de IA do n8n, que implementa a interface de tool calling: o modelo decide que ferramenta chamar e o fluxo executa a chamada. As acções mantêm-se em nós normais, auditáveis, com histórico de execução. E o n8n pode correr em servidor próprio, o que mantém os documentos dentro da infraestrutura da empresa.

Falta depois uma peça que quase ninguém instala no início: registar o que o modelo devolveu e o que a pessoa corrigiu. Sem esse registo, não há forma de saber se a precisão é de 95% ou de 70%, e a decisão de alargar o fluxo passa a ser tomada por intuição.

A decisão que tem em mãos

Antes de escolher ferramenta ou fornecedor, responda a uma pergunta: em que processo é que alguém da sua equipa lê uma coisa num sítio e escreve a mesma coisa noutro?

É aí que a chegada da Inteligência Artificial mudou o que é possível. Para todo o resto, continua a valer a automação empresarial clássica, com as mesmas regras de sempre.

Se não souber quantas vezes por dia isso acontece na sua empresa, é esse o primeiro trabalho. E para esse não precisa de IA.